■ 中国工业报记者 祁晓玲

坐进车内，技术人员没有说“你好，斑马”，只是随口说了一句“我想喝杯咖啡”。中控屏弹出附近咖啡店选项。他选了一家，又补了一句“送到单位”。系统完成下单，导航同步规划路线，支付无感完成。

这是记者在2026云栖大会斑马智能展台体验的一幕。没有唤醒词，没有点击屏幕。

技术人员随后演示了更多场景：车辆自动识别停车场付费码，无需手机扫码即可驶离；车主靠近时，车辆主动调整座椅和空调；车内多人同时说话，车能分辨哪句是对人说的、哪句是对它说的。这些体验背后，是斑马智能发布的全模态端侧大模型AutoOmni2.0-23B-A3B。该模型采用MoE混合专家模型架构，普通任务能力堪比10倍参数量云模型，复杂任务处理能力相当于10倍参数量云模型的80%-90%。

近日，工业和信息化部等九部门印发《智能网联新能源汽车产业发展“十五五”规划》（以下简称《规划》），将“人工智能+汽车”列为独立行动，明确提出推动人工智能模型、智能体等技术创新，并率先在汽车行业落地应用，加快汽车人工智能应用中试基地建设。

大模型上车，正从企业自发探索上升为国家产业战略。但一个更具体的问题摆在行业面前：端侧大模型，到底量产了没有？

“人工智能+”的一块试验田

大模型、智能体正从车载座舱向整车控制、自动驾驶、生产供应链等产业全链条渗透。

《规划》的指向很明确。深化人工智能技术车端应用，加强人工智能在整车能量管理、运动控制、多模态人机交互、智能故障预判等方面的应用，并通过车内跨域协同，实现舱驾融合、全场景自适应调控等功能。这意味着汽车AI的发展重心，正从座舱娱乐交互向整车安全关键域迁移。

大模型、智能体正从车载座舱向整车控制、自动驾驶、生产供应链等产业全链条渗透。智联新能源产业联盟会长张继彪认为，行业竞争正从“单点技术比拼”转向“大模型+数据+场景”的系统能力较量。

但政策定调不等于产业落地。端侧大模型的量产进程，需要从技术、成本和商业三个维度来检验。

据高工智能汽车研究院报告，2025年座舱端端侧大模型上车趋势推动智能座舱AI芯片方案在智能座舱方案市场中攀升至约23%，高通以74%份额占据主导。集微咨询报告显示，2026年第一季度智能汽车端侧AI前装渗透率已突破28%，较2024年同期提升12个百分点，行业正处于从试点到量产的高速爬坡阶段。另有机构预测，2026年全球智能汽车端侧AI市场规模预计突破450亿美元，其中中国市场份额占比达到38%。

“过去一年选择端模型上车的车企中，超过六成（63%）选用了斑马方案。”斑马智能首席技术官司罗披露的这一数据，意味着端侧大模型上车已不再是概念验证阶段。元神AI已实现对主流车企68%的服务覆盖。支撑这些数据的，是首款量产车型的落地——全球首款基于高通8397平台搭载AutoOmni的实车Freelander神行者8已正式亮相并实现量产，实测响应低于50毫秒，断网可用、隐私本地闭环。

司罗表示，AutoOmni已合作国内外10家芯片企业，软硬协同支持8路以上多任务稳定并发，大模型推理加速5-6倍，量化保真度超过99%，少占用运行内存50%以上。

面壁智能CEO李大海预计，2026年底将有30万辆汽车搭载其端侧模型。科大讯飞已为30家主流车企完成大模型方案量产落地，国内20万元以上主流新能源车型的车载大模型搭载率已超过90%。有行业机构将2026年定义为端侧智能从概念验证走向规模化应用的产业拐点。

端云协同成为行业共识

云端大模型带来更开放的能力上限，端模型保障AI能力的下限。

量产数字在增长，但路线之争并未停歇。端侧大模型上车，绕不开一个问题：云和端，谁更重要？

斑马智能联席CEO郝飞给出了判断：端模型上不上车不是选择题，它代表着未来的方向。但他强调，端模型的价值不只是隐私保护和token节省，更重要的是交互范式的改变。“只有端模型充分打开在端侧全时免唤醒的主动交互范式，才能为后续AI真正成为贴心的助理打开入口。”郝飞说，云端大模型带来更开放的能力上限，端模型保障AI能力的下限。

这一判断正在成为行业共识。中兴微汽车电子副总经理张效宇表示，云决定了算力上限，端侧在实时性、安全性、可靠性方面有独特考量，未来端云一定是协同分工。但他同时指出了行业的一个现实问题：“行业存在算力虚标问题，带宽小于100的也号称7B。”他强调，从比拼算力参数到提升token效率，是整个行业正在经历的转型。

蔡明在接受媒体采访时指出了端侧大模型普及的两个关键前置条件：端侧算力成本需持续下降，模型智能密度需持续提升。他透露，当前行业主流端侧模型多为4B、7B参数规模，而AutoOmni2.0将总参数量提升约四倍，但激活参数仅约3B，“对算力没有新的苛刻要求，但对存储空间要求更高”。斑马智能首席战略官邢悦补充，斑马的目标是90%的刚需交互在端侧完成，效果趋近于200B参数规模云侧算力所能解决的水平。

成本压力是量产路上最硬的约束

端侧大模型对内存和带宽的需求远高于传统座舱芯片，而存储涨价直接推高了整车BOM成本。

技术路线清晰了，量产数据在增长，但端侧大模型要真正普及，必须跨过成本这道坎。而恰恰在这个节点上，一个意想不到的变量出现了：存储芯片涨价。

受AI服务器抢占HBM/DDR5产能影响，车规级DDR5价格同比涨幅超过300%，DDR4涨幅超150%。单车存储芯片成本已从早期智能车型的40-90美元，上行至当前主流中高配车型的90-220美元，搭载城市NOA、端侧大模型的高阶智能车型，单车存储成本可突破500美元。蔚来创始人李斌坦言“与AI抢芯抢不过”，理想汽车则预警2026年存储芯片供应满足率或不足50%。

这意味着，端侧大模型上车所需的硬件成本正在逆势上涨。端侧大模型对内存和带宽的需求远高于传统座舱芯片，而存储涨价直接推高了整车BOM成本。

郝飞坦言，成本带来的挑战太大，“无论是最高端的芯片8397，加上内存的上涨，几千块钱的成本是真金白银的付出。”他提到，今年年初一些想通过AIBox快速把端模型上车的企业都在犹豫，“我要花这么多钱上这个端模型，到底能带来什么”。

并非没有降本路径。芯驰科技推出的AI座舱芯片X10，以单颗芯片取代传统座舱域控加外挂AIBox的组合方案，DDR存储容量节省25%，整体系统BOM成本可降低1500元至3000元。但这种降本方案能否在2027年前大规模量产，仍是未知数。

集微咨询报告指出，存储卡点预计2027年下半年起逐步缓解，端侧杀手级应用有望随智能体成熟在2027-2028年破局。

商业逻辑从卖硬件到卖服务

端侧大模型不仅关乎用户体验，更关乎合规能力。

成本压力之外，端侧大模型上车还面临一个更根本的问题：用户愿意为它付费吗？

邢悦在接受记者采访时披露了一组数据：中国高阶智驾存在明显的付费意愿与真实使用落差——90%的消费者愿意为高阶智驾额外付费，30%的消费者愿意支付1万元以上，但真实付费转化率仅有3%-8%。她认为，这背后是因为交互范式没有形成真正的超级智能体。

邢悦透露，斑马智能目前已有接近20%的收益来自车载平台服务，包括第三方APP支付的佣金以及与车厂在未来服务和内容上的分润。“我们认为这种模式未来会从20%提升到50%。”她将斑马的商业模式概括为：底层是一家AI技术公司，表层是一家服务和内容的运营公司。

蔡明对此做了进一步阐释。他说，车上的商业模式过去没有“订阅”一说，本质上是硬件销售——买了就用，车没毛病，用户和车厂就不做过多交互。“今后，一定会变成把Buyer变成User。我把车卖到用户手中，才是用户关系构建的开始。”他认为，5-8年以后，可能所有人都不会聊“唤醒词”和“订阅”的事情，就像今天QQ音乐听歌一样，免费的就那些，想听全的就花钱。

中国汽车工业协会副总工程师王耀指出，汽车行业对数据安全的监管要求比多数行业更严，没有端侧处理，很多功能都无法落地。这一判断从侧面说明，端侧大模型不仅关乎用户体验，更关乎合规能力。

规模普及仍面临三重考验

这场交互范式的革命，从展台走向千万辆量产车，还需要时间。

综合来看，端侧大模型上车已经跨过了“从0到1”的验证阶段。63%的端模型上车份额、68%的服务覆盖、神行者8的量产落地、28%的前装渗透率，这些数据表明，端侧路线不再是实验室里的备选方案，而是正在成为智能座舱的标配架构。

但“从1到10”的规模普及，仍面临三重考验。一是成本考验。存储芯片涨价短期内推高了端侧大模型的硬件门槛，高端芯片加内存的成本增加数千元，直接制约了端侧方案向20万元以下主流车型的渗透。据测算，若车载芯片成本降幅不及预期，端侧路线大概率停留在20万级以上车型，难以穿透大众市场。

二是技术考验。端侧模型在复杂推理、深度创作等方面仍与云端有差距，当前更多承担高频、隐私敏感类任务。蔡明接受记者采访时表示，要达到100%的完美体验还需要时间，“从真正的小白用户角度来看，很多体验还差得很远”。司罗对此有清醒认知：“端侧AI真正的拐点不在模型能不能跑起来，而在能不能稳定、高效、安全地把事办完。”

三是商业考验。从硬件变现到服务变现的转型，需要的不仅是大模型能力的提升，更是用户付费习惯的养成。邢悦提到的3%-8%高阶智驾付费转化率，是所有端侧AI从业者必须面对的现实。

有机构预判，若2027年新上市新能源车型中搭载端侧或端云协同大模型的占比突破八成，则端云协同将确立为座舱AI的默认架构；反之若车载芯片成本降幅不及预期，端侧路线大概率停留在高端车型，难以穿透大众市场。

郝飞判断：“端模型本身上不上车并不是选择题，它一定代表着未来的方向，但更重要的是，并不只是对隐私的保护和token的节省，我们看到的其实是它更多的交互范式的革命性改变。”而这场交互范式的革命，从展台走向千万辆量产车，还需要时间。